AI 에이전트 노드¶

AI 에이전트(Agent) 노드는 LLM을 활용하여 자율적으로 작업을 수행합니다. 시스템 프롬프트로 역할을 정의하고, 스킬을 할당하여 이메일 전송·DB 조회 등 실제 작업을 수행할 수 있습니다.

LLM 모델 선택¶

4개 AI 제공자의 다양한 모델을 선택할 수 있습니다.

제공자별 모델¶

OpenAIAnthropicGooglexAI

모델	특징	추천 용도
GPT-5-mini (기본)	빠르고 경제적	일반 대화, 간단한 작업
GPT-5	고성능, 복잡한 추론	복잡한 분석, 긴 문서 처리
GPT-4.1-mini	경량, 빠른 응답	실시간 처리

모델	특징	추천 용도
Claude 4.5 Haiku (기본)	빠른 응답, 한국어 우수	고객 응대, 한국어 작업
Claude 4.5 Sonnet	균형 잡힌 성능	분석, 문서 작성
Claude 4.5 Opus	최고 성능	복잡한 추론, 코드 생성

모델	특징	추천 용도
Gemini 2.5 Flash (기본)	빠른 처리	대량 처리, 실시간
Gemini 2.0 Flash	안정적	범용
Gemini 1.5 Pro	긴 컨텍스트	대용량 문서 분석

모델	특징	추천 용도
Grok 4 Fast (기본)	빠른 추론	실시간 처리
Grok 4 Latest	최신 버전	범용
Grok Beta	실험적	테스트

모델 선택 가이드

빠른 응답: GPT-5-mini, Claude 4.5 Haiku, Gemini 2.5 Flash
정확한 판단: GPT-5, Claude 4.5 Sonnet
복잡한 추론: Claude 4.5 Opus

시스템 프롬프트¶

에이전트의 역할, 행동 규칙, 출력 형식을 정의합니다.

작성 가이드¶

좋은 시스템 프롬프트의 구성:

역할 정의 — 에이전트가 누구인지
행동 규칙 — 무엇을 해야/하지 말아야 하는지
출력 형식 — 답변의 형태와 길이

예시: 고객 지원 에이전트¶

당신은 w5w 고객 지원 전문가입니다.

역할:
- 고객의 문의에 한국어로 답변합니다.
- 기술적 문제는 단계별로 해결 방법을 안내합니다.
- 요금 관련 문의는 요금제 페이지를 안내합니다.

규칙:
- 존댓말을 사용합니다.
- 답변은 300자 이내로 작성합니다.
- 해결할 수 없는 문제는 support@w5w.ai 연결을 안내합니다.
- 개인정보를 요청하지 않습니다.

예시: 데이터 분석가¶

당신은 데이터 분석 전문가입니다.

역할:
- 주어진 데이터를 분석하고 인사이트를 도출합니다.
- 분석 결과를 표와 요약으로 정리합니다.

출력 형식:
- 핵심 인사이트 3개를 bullet point로 작성
- 상세 분석은 표로 정리
- 마지막에 권장 액션 1~2개 제시

입력 프롬프트¶

워크플로우 실행 시 에이전트에게 전달할 지시사항입니다. 변수를 사용하여 이전 노드의 데이터를 포함할 수 있습니다.

고객 문의:
{{ $('trigger').data_content.question }}

고객명: {{ $('trigger').data_content.customer_name }}

위 문의에 대해 답변해주세요.

스킬 할당¶

에이전트에게 스킬을 할당하면 에이전트가 상황을 판단하여 적절한 스킬을 자율적으로 호출합니다.

스킬 할당 방법¶

에이전트 노드 설정의 스킬 탭을 클릭합니다.
사용할 스킬을 선택합니다.
각 스킬에 필요한 인증 정보를 연결합니다.

스킬 동작 흐름¶

에이전트는 다음 과정으로 스킬을 사용합니다:

입력 분석 → 스킬이 필요한지 판단
적절한 스킬 선택 → 파라미터 자동 구성
스킬 실행 → 추가 작업이 필요하면 반복
최종 답변 생성

예시: "홍길동 고객에게 결제 수단 변경 방법을 이메일로 안내해줘"

에이전트가 입력을 분석 → 이메일 전송이 필요하다고 판단
send_email 스킬을 선택
수신자, 제목, 본문 파라미터를 자동 구성
이메일 전송 실행
"이메일을 성공적으로 전송했습니다" 최종 답변 생성

잠금 파라미터 (Locked Parameters)¶

스킬 파라미터를 잠금 설정하면 에이전트가 해당 값을 변경할 수 없습니다.

모드	설명	용도
잠금(Locked)	고정값 사용, AI가 변경 불가	수신자 이메일, DB 테이블명 등 보안 파라미터
AI 결정	에이전트가 상황에 따라 값 결정	이메일 제목, 메시지 내용 등 동적 파라미터

토큰 절약

잠금 파라미터는 LLM에 전달되는 스키마에서 자동 제외되므로 토큰을 절약할 수 있습니다. 고정값이 확실한 파라미터는 잠금으로 설정하세요.

에이전트 출력¶

출력 구조¶

{
  "node_type": "agent",
  "status": "success",
  "text_content": "에이전트가 생성한 최종 답변 텍스트",
  "data_content": {
    "model": "gpt-5-mini"
  }
}

출력 참조¶

다음 노드에서 에이전트 출력을 변수로 참조:

{{ $('agent_1').text_content }}     → 에이전트의 텍스트 답변
{{ $('agent_1').data_content }}     → 구조화된 데이터

활용 예시¶

고객 문의 자동 답변¶

스킬: 이메일 전송
동작: 문의를 분석하고 답변을 작성하여 이메일로 전송

Telegram 챗봇¶

스킬: Telegram 메시지 전송
동작: 사용자 메시지를 이해하고 적절한 답변을 Telegram으로 전송

데이터 수집 및 분석 보고¶

스킬: DB 조회, 이메일 전송
동작: 데이터를 조회한 후 AI가 분석 보고서를 작성하여 발송

다음 단계¶

스킬 노드 — 스킬을 직접 실행하는 방법
변수 시스템 — 에이전트 출력을 다른 노드에서 참조
트리거 노드 — 워크플로우 시작점 설정